建筑用户在室行为预测新方法

准确预测建筑用户在室行为可显著提高建筑能耗模拟精度,并进一步帮助建筑设计及运行控制优化.当前进行在室行为预测时所采用的主要是基于隐马尔可夫链方法的数学模型,该模型考虑了在室行为的时间关联性,可平稳有效地预测在室行为.然而现有隐马尔科夫模型难以准确描述在室行为动态变化规律以及在室行为与可观测参数之间的关联,降低了模型预测精度.针对该问题,本文提出一种基于状态转移的时变隐马尔科夫模型.该模型采用时变状态转移概率矩阵量化不同时刻在室行为的动态变化特征及关联,同时该模型基于状态转移计算可观测参数的概率分布以定量描述在室行为对可观测参数的影响.本文采用比利时某办公室在室行为数据库进行了相关建模和验证,结果表明该模型可更有效地捕捉在室状态变化,从而提高了在室行为预测精度.     

采用自适应基因粒子群算法优化隐马尔科夫模型的方法及应用

针对隐马尔科夫模型参数学习算法易收敛于局部极值的问题,提出了一种自适应基因粒子群算法,并将该方法应用于隐马尔科夫模型的训练,实现对隐马尔科夫模型初始参数的优化。在基因粒子群算法的原理以及操作流程的基础上,采用了自适应的参数调整方法,提高了基因粒子群算法的优化性能。分析了所提方法的全局、局部搜索能力以及收敛速度,开展了不同状态滚动轴承的故障诊断实验和测试,并与基于粒子群算法优化隐马尔科夫模型初始参数的方法进行对比。实验结果表明,所提方法对正常、内圈故障、外圈故障以及滚动体故障轴承的诊断准确率均能达到100%,相比于基于粒子群算法优化隐马尔科夫模型初始参数的方法,最高将分类正确率提高了28.57%、分类离散度提高了268.58%,证明了方法的有效性和准确性。     

基于改进遗传算法的移动机器人路径规划的研究

为改进标准遗传算法在路径规划问题中存在的初始种群可行性问题、标准遗传算子在路径规划问题上的局限性问题,文中提出了一种改进的遗传算法。首先,将环境地图转换为栅格地图,在初始种群的生成过程中加入偏移机制;然后,把人工势场算法和偏移机制分别引入交叉算子和变异算子中;最后采用动态参数的方法控制算法的遗传参数,通过改进的遗传算法对地图模型进行仿真及其求解。根据实验结果,充分验证了本文算法的有效性和实用性。实验结果明确证明了改进的算法可以很好地解决路径规划问题,为机器人的路径规划提供了一定的指导作用。     

基于改进遗传算法多体模型的汽车悬架参数优化

针对遗传算法普遍存在的概率参数主观选取问题、早熟问题以及汽车悬架优化模型采用集中质量模型问题,提出了改进遗传算法,采用交叉算子和变异算子分别独立作用于父代个体,使父代所有个体都进行交叉和变异来避免概率参数的选取问题;然后按父子混合杰出者选择策略产生子代个体;使用局部多次搜索算子和替换策略来加快遗传算法的收敛速度;建立遗传算法和ADAMS软件的接口,使用专业软件ADAMS来处理复杂目标函数和适应度的求解问题,实现复杂多体模型的遗传算法优化。通过对33自由度的汽车悬架多体模型进行优化分析并和传统优化方法、标准遗传算法和小生境遗传算法进行对比,结果表明该方法明显优于其它方法。     

公共资源网络中资源滥用行为检测研究仿真

传统网络资源行为检测方法无法准确确定资源行为的符号观测，导致检测效果较差，整体检测严重受 限。为此，提出一种新的基于隐马尔科夫模型的公共资源滥用行为检测方法。构建隐马尔科夫模型，通过数据 分析，确定当前观测符号序列，利用Windows 操作系统信息为蓝本进行行为检测。建立敏感文件信息集，并使 其分布在系统敏感文件夹中。在此基础上确定当前隐马尔科夫模型参数。计算对应序列概率差值，根据当前 公共资源网络信息安全要求，设定实际阈值，确定资源滥用行为。仿真实验结果表明，该监测方法真实有效， 具有较高的推广和应用价值。     

马尔科夫调制泊松点过程的熵率和相互信息率?

显示地导出了一类连续时间参数隐马尔科夫模型-马尔科夫调制泊松点过程(MMPP)的熵率和相互信息率.模拟研究表明这类隐马尔科夫模型参数的最大似然估计的精度和效与观测过程和隐过程之间的相互信息率密切相关.一般地,相互信息率可作为MMPP中各个混合分量广义距离(或差别性)的一个度量.     

一种基于遗传算法的用户聚类模型的研究

本文提出了一种基于遗传算法,结合网站的拓扑结构,对网站用户进行聚类分析的模型,阐述了遗传算法在优化过程中染色体编码、遗传算子的设计等问题.实验证明能解决常规聚类算法不能有效处理局部极值、聚类结果对初始聚类中心的选取有着很大的敏感性的问题,是一种有实用价值的方法.     

遗传算法初始种群与操作参数的均匀设计

通过对遗传算法初始种群与操作参数设定问题的研究,认为初始种群的分布状态与算子操作参数的选取直接关系遗传算法的全局收敛性与搜索效率,对初始种群与各操作参数进行合理设定是应用遗传算法进行寻优计算的重要问题.同时,遗传算法的初始种群必须科学地表征解空间的信息,操作参数也必须兼顾多样性与快速性相互协调设置.基于优化设计思想提出应用均匀设计方法同时确定遗传算法的初始种群及其他操作参数的方法.利用均匀设计的等价准则提出一种简化计算的近似获得均匀初始种群的方法,仿真实例验证了这种方法的可行性、有效性.     

混沌高效遗传算法在水库含沙量预报中的应用

利用混沌映射的遍历性和实编码遗传算法的全局优化性,通过在遗传进化过程中加入混沌变异操作,在变量的定义域内投放大量的混沌初始群体,在实编码遗传算法进化过程中加入单纯形法学习算子,建立了一种新的混沌高效遗传算法(chaos higher efficient genetic algorithm, CHEGA).应用该法对3个非线性、高维、多峰值测试函数进行了仿真,在收敛速度和全局优化方面好于现有的简单遗传算法和改进的遗传算法.建立了水库含沙量预报模型.并将CHEGA用于求解上述模型的参数优化问题,与实数编码加速遗传算法(RAGA)、二进制加速遗传算法和随机优化算法等方法相比,CHEGA可以遍历到整个区域,较好的保持了种群的多样性,并且精度高、收敛速度快.CHEGA对求解实际水库计算模型的参数优化问题非常有效.     

基于隐马尔可夫模型和遗传算法的地图匹配算法

综合采用隐马尔可夫模型(HMM)和遗传算法,提出了一种新的地图匹配算法.首先初始化HMM概率矩阵,然后使用前向后向算法进行参数学习,用Viterbi算法预测一组路段序列,最后将路段序列作为种群,通过遗传算法得到最优的路段序列.采用北京市2012年出租车GPS定位数据分别对传统的基于隐马尔可夫模型的算法和新算法进行测试,实验结果表明,传统的基于隐马尔可夫模型的算法的匹配精确度低于90%,新算法的匹配精确度高达90%以上.     

基于混合非正交多址接入的认知无线电网络的信道和功率分配研究

针对混合非正交多址接入(NOMA)的认知无线电网络的下行链路,以主用户的干扰功率阈值、次用户最小信息速率以及子信道复用用户数为约束条件,建立信道和功率资源分配的优化问题模型,提出了一种公平性可调的信道分配方法,得到信道和用户的匹配结果;采用凸近似和Charnes-Cooper变换的方法,得到复用用户的功率分配值.仿真结果表明,给定基站总功率为25 d Bm时,所提信道分配算法的用户公平性指数提升了50%.     

基于二部分图网络结构推荐的改进算法

介绍了一种基于网络结构推荐的改进算法.在标准物质扩散算法的基础上,考虑到用户的评分对推荐商品的影响,对推荐算法中初始资源分配矢量和资源转移矩阵进行了改进,增加了调节因子.使用来源于Group Lens网站上的训练集数来评价这个推荐算法的性能,从而进行了一系列的实验.实验结果表明,该算法比传统的协同过滤系统、基于网络结构的推荐系统和带有权重的基于网络结构的推荐系统具有更好的推荐精度和更高的命中率,解决了标准物质扩散算法当中的冷启动问题和可扩展性问题,使得推荐结果具有多样性.     

基于评论特征提取和隐因子模型的评分预测推荐系统

评分预测是推荐系统研究的核心问题,通过用户的历史行为来预测用户对商品的评分,根据评分高低来推荐用户喜欢的商品.当前基于评论评分预测推荐系统普遍只使用卷积神经网络捕获局部特征或者循环神经网络捕获全局特征,忽略了将这两类特征的有效融合.针对现存问题,本文提出基于评论特征提取和隐因子模型的评分预测推荐模型,使用自适应感受野的卷积神经网络(CNN)提取局部特征,同时使用门控循环单元(GRU)提取全局特征,将不同特征融合为评论的嵌入表达.再结合隐因子模型(LFM)对用户的特征偏好和商品的特征属性进行建模.最后,通过对用户和商品的嵌入表达进行评分预测.实验结果表明,本文模型在5个数据集上均高于现有基线模型.     

基于用户满意度的CoMP-JT多小区资源分配算法

在协作多点传输（coordinated multiple points transmission,CoMP）的联合传输（joint transmission,JT）系统中,为了提高用户的服务质量,提出了一种基于用户满意度的多小区资源分配算法。该算法基于用户累积时延构建了一个用户满意度函数,将客观时延和吞吐量转化为主观满意度,再通过最大化所有用户的满意度,推导出了一个有效的单小区资源初始分配算法,最后在多小区资源分配过程中通过集中控制单元对所有小区资源进行最终分配。理论分析与仿真结果表明,与传统算法相比,该算法能够在公平性,时延和吞吐量方面能够更好地适应用户的需求。     

LBS中理想的移动台位置更新策略

位置服务（LBS）的许多应用需要记录用户的历史轨迹，现有的LBS系统开销比较大，降低了系统的容量。 针对这些缺点，提出了一种理想的移动台位置更新策略，通过把用户分成2类，并依据该分类生成了2个动态改变 用户定位频率的算法，结合用户的运动状态和用户指定的触发定位距离以及最大定位间隔时间来改变用户定位频 率，使得记录下来的用户历史轨迹更加准确，同时提高了移动台位置更新的灵活性。     

基于改进遗传算法的RTM注射速率优化

针对目前遗传算法初始种群大多数为随机产生,注射速率优化过程容易早熟或不收敛问题,提出了基于注射速率规则的改进遗传算法。在大量注射速率历史数据基础上,建立了注射速率影响因素决策表,提出了规则相似度计算模型。由基于规则的种群生成算子生成初始种群,以填充质量最优为目标,并构造适应度函数,然后进行遗传操作,最后采用面向对象编程语言实现该算法。实例表明该算法比标准遗传算法收敛更快,而且在用该算法优化得到的注射速率下的充填质量比在用标准遗传算法优化得到的注射速率下的充填质量更好,说明采用改进遗传算法优化注射速率更为合理和可靠。     

LTE系统中一种切换自优化算法研究

综合研究了长期演进切换算法中切换参数值、用户移动速度和负载均衡机制对系统掉话率的影响,提出了一种结合用户移动速度和负载均衡机制的切换自优化算法。仿真结果表明,如果用户的移动速度一定,且切换迟滞因子和切换触发时延小于一定阀值时,增加其中一个或两个参数值会导致系统掉话率增加。如果切换控制参数一定,系统掉话率随用户的移动速度增加而增加。针对移动速度为低速、中速和高速的用户,分别采用4,3,2 dB的切换参数较为合适。如果用户速度和切换参数均相同,采用负载均衡机制后,系统的掉话率明显降低。经仿真验证,与传统切换算法相比,采用结合用户移动速度和负载均衡机制的切换自优化算法可以有效降低系统掉话率,并使系统整体性能得到提升。     

基于自监督学习的序列推荐算法

针对现有序列推荐算法易受数据稀疏影响以及对用户短期动态偏好建模不充分的问题,提出基于自监督学习的序列推荐算法。针对短期序列中的原始项目关系更易受到随机数据增强破坏的问题,对长短期序列使用不同的数据增强方法来构建更有效的自监督信号;利用对比式自监督学习框架对用户长期偏好和短期偏好进行多任务联合建模;针对现有自注意力机制无法建模序列中项目相对位置关系的问题,将自然语言处理领域中的解耦注意力机制引入到用户短期偏好学习过程中,充分捕获用户短期序列中项目的相对位置信息。实验结果证明了所提算法的有效性。     

基于图像编码与深度学习的非侵入式负荷识别方法

非侵入式负荷识别(non-intrusive load monitoring,NILM)是一种不依赖用户内部装置,仅凭借外部分析工具和手段即可实现用户用电行为自动感知的方法.提高非侵入式负荷识别的精度,对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于彩色图像编码与深度学习的电力负荷识别方法.该方法首先在传统电压-电流(V-I)灰色轨迹法的基础上,利用双线性插值技术有效解决了像素点不连续的问题;然后考虑了特征之间的互补性,通过构造电流(R)、电压(G)和相位(B)3个通道,将数值特征嵌入灰色V-I轨迹中,从而得到了蕴含丰富电气特征的彩色V-I图像;最后,采用AlexNet深度学习算法对彩色V-I图像和对应设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果表明,提出的负荷识别方法的准确率高达97.7％.该结果充分验证了上述方法的有效性.     

基于近似贝叶斯计算的HMM隐状态估计

为了得到似然函数不解析可得的 HMM 隐状态估计,将HMM 隐状态估计看成一个贝叶斯最优滤波问题,采用基于近似贝叶斯计算的离子滤波算法对此类问题进行求解,从而解决了一些常用算法如卡尔曼滤波、扩展卡尔曼滤波及离子滤波等都不能解决的似然函数不解析可得的滤波问题。